اسأل خبيرًا تقنيًا: ما الاستدلال؟
Markdownيشرح خبراء Google استدلال الذكاء الاصطناعي من خلال مقابلة كاملة تتناول مطابقة الأنماط، وأنواع النماذج، والتنبؤ، والتصنيف، والتقييم، والخصوصية، ونظرات عامة بالذكاء الاصطناعي، والأنظمة الوكيلة، والكفاءة.
يُعد الاستدلال جزءًا كبيرًا مما يجعل الذكاء الاصطناعي أكثر قدرة. في مقابلة Google Techspert هذه، يشرح خبيران من Google ماهية الاستدلال وكيف يساعد أنظمة الذكاء الاصطناعي على إنتاج مخرجات مفيدة.
في أبريل، قدّمت Google Ironwood، وهي وحدة معالجة Tensor (TPU) من الجيل السابع، صُممت لتشغيل استدلال الذكاء الاصطناعي التوليدي. وحدات TPU هي شرائح تشغّل أنظمة الذكاء الاصطناعي وليست جديدة على Google، لكن هذا الجيل مصمم لمساعدة أنظمة الذكاء الاصطناعي على تجاوز الاستجابة لتصبح استباقية. الاستدلال هو العملية التي تتيح لأنظمة الذكاء الاصطناعي استخدام النماذج لإنتاج مخرجات قائمة على المعرفة.
أعرف معنى كلمة الاستدلال — أي أن تستخلص نوعًا من النتائج بناءً على المعلومات المتاحة لك. هل يعني ذلك بأي شكل ما نقصده عندما نتحدث عن الذكاء الاصطناعي؟
خبير من Google: نوعًا ما، نعم. هذا تبسيط مخل، لكنني أعتقد أن أسهل طريقة لفهم الاستدلال هي اعتباره مطابقة للأنماط. وبالمعنى الأوسع عند الحديث عن الذكاء الاصطناعي التوليدي والاستدلال، نسأل: هل تستطيع نماذج الذكاء الاصطناعي مطابقة الأنماط للتنبؤ بما تريده؟ على سبيل المثال، إذا قلت «زبدة الفول السوداني و____» وطلبت من جمهور أمريكي ملء الفراغ، فغالبًا سيقولون «مربى». هذا مثال جيد على الاستدلال في أنماط الكلام، وهو أمر يستطيع استدلال الذكاء الاصطناعي فعله، لكنه يتجاوز ذلك بكثير.
خبير من Google: الاستدلال عمومًا هو الطريقة التي نستخدم بها النموذج فعليًا لإنجاز شيء مفيد. أولًا، علينا تدريب النموذج: سيحتوي نموذج الذكاء الاصطناعي على معلمات النموذج وبنيته وإعداده، أي الشيفرة التي يحتاج إليها لتنفيذ المهام — وتتضافر هذه العناصر لإنجاز وظائفه. لذا فالاستدلال هو ما يتيح لنا أخذ كل ذلك واستخدامه فعليًا.
ما أنواع نماذج الذكاء الاصطناعي التي تستخدم الاستدلال؟
خبير من Google: تستخدم نماذج التعلم العميق للذكاء الاصطناعي، مثل نماذج اللغة وتوليد الصور والصوت، الاستدلال لأنها تتنبأ بما سيحدث استنادًا إلى ما تعلمته من أنماط البيانات السابقة.
خبير من Google: وتستخدم نماذج التوصية الاستدلال أيضًا.
ما مثال على نموذج توصية؟
خبير من Google: معظم نماذج الإعلانات هي نماذج توصية، وكذلك النموذج الذي يوصي لك بمقاطع فيديو YouTube. هذه نماذج ذكاء اصطناعي «تقليدية» (تُسمى أحيانًا «كلاسيكية») — وليست ذكاءً اصطناعيًا توليديًا مثل نماذج LLM وتوليد الصور أو الفيديو — وتستخدم الاستدلال منذ زمن طويل.
إذًا فالاستدلال ليس جديدًا على الذكاء الاصطناعي، بل أصبح أفضل مع ازدياد قدرات الذكاء الاصطناعي؟
خبير من Google: نعم. والاستدلال ليس ما يتيح لنماذج الذكاء الاصطناعي التنبؤ فحسب، بل يتيح لها التصنيف أيضًا. يستطيع النموذج وضع تسميات للأشياء استنادًا إلى ما تعلمه. إليك مثالًا شهيرًا: قبل سنوات كثيرة، أعطت Google نموذج ذكاء اصطناعي صورة وسألته إن كان يستطيع تحديد قطة فيها. وباستخدام البيانات — والاستدلال — استطاع أن يعلّم نفسه ماهية القطة وشكلها، وأن يحدد القطة بشكل صحيح.
أتذكر ذلك!
خبير من Google: كان ذلك مثالًا على استخدام نموذج للاستدلال.
خبير من Google: وفي الآونة الأخيرة، هل تتذكر أنه قبل بضع سنوات كان الناس يتحدثون عن صور أنشأها الذكاء الاصطناعي وتتجاهل قوانين الفيزياء أساسًا؟ فكثيرًا ما كانت الأيدي، على سبيل المثال، لا تظهر بشكل صحيح. أما النماذج اليوم فتؤدي ذلك على نحو أفضل بكثير. فقد تحسنت في التعامل مع الفيزياء والأنسجة، من بين أمور أخرى. وينطبق الأمر نفسه على ترجمة النصوص. فمثلًا، كانت الترجمة اللغوية إحصائية في السابق. وكانت قابلة للاستخدام لكنها لم تكن دقيقة تمامًا، وبالتأكيد لم تكن حوارية. لكن الترجمة الإحصائية قادتنا إلى الترجمة بالذكاء الاصطناعي التوليدي، التي يشعر كثيرون اليوم بالارتياح لاستخدامها، حتى في المنتجات الموجهة إلى العملاء. ما زلنا نستخدم العملية المسماة الاستدلال، لكن الذكاء الاصطناعي الأساسي وقدراتنا الحاسوبية تحسنا تحسنًا كبيرًا.
هل يمكن قياس مدى جودة عمل الاستدلال؟
خبير من Google: يمكننا ذلك عندما نقيس أداء النموذج في مهام معينة. ونستخدم الاستدلال أيضًا لتقييم النماذج وتدريبها لتحسينها. لذا، أثناء تدريب النموذج، نواصل تشغيل الاستدلال لمحاولة تحسين جودة النموذج في الوقت نفسه.
وبسبب إعدادات التدريب مثل هذه، أظن أنك ترى مستويات الاستدلال تتحسن باستمرار وفقًا لمعايير الصناعة.
خبير من Google: نعم. لكن هناك أيضًا مسألة إدراك البشر — إلى أي مدى لاحظنا جميعًا تحسن هذه الأمور؟ وبوجه عام، كان التحسن كبيرًا إلى حد ما. وهناك أمر آخر نهتم به كثيرًا في Google عند العمل على الاستدلال، وهو الخصوصية: فنحن حريصون بشأن ما نحتاج إلى تخزينه كي تعمل هذه التجارب.
ما بعض الأمثلة على ذكاء Google الاصطناعي التي يمكننا من خلالها ملاحظة تحسن الاستدلال؟
خبير من Google: من أفضل حالات استخدام الاستدلال لدينا في Google نظرات عامة بالذكاء الاصطناعي. تكتب استعلامًا في البحث، ثم يوزعه نظام شديد التعقيد على مجموعة من النماذج لمحاولة الحصول على نتائج. ويستخدم النظام الاستدلال لفهم استعلامك ومعرفة الإجابة التي تريدها، وفي النهاية يلخص ما يتعلمه في شيء مفيد جدًا. كما أن الاستدلال أساسي لكثير من العمل الوكيلي الذي تقوم به Google. فمع الوكلاء، بالإضافة إلى طلب تقديم معلومات من نموذج ذكاء اصطناعي بناءً على استدلاله، يمكنك جعله ينفذ أمورًا نيابة عنك. وهذا نوع من امتداد مفهوم الاستدلال كما كنا نفهمه سابقًا.
إذًا يتحسن الاستدلال في استخدام البيانات أو المعرفة لتقديم الإجابات، بل وحتى اتخاذ الإجراءات. كيف يتغير أيضًا؟
خبير من Google: حسنًا، من الأمور المهمة جدًا التكلفة. نحاول جعل الاستدلال في متناول الجميع قدر الإمكان. لنفترض أننا نحاول إتاحة نسخة أصغر وأقل تكلفة من Gemini للناس. عندئذٍ سنعمل على استدلال النموذج لإيجاد طرق لتغيير نموذج الحوسبة، أو الشيفرة التي يتكون منها النموذج، من دون تغيير الدلالات، أو المهمة الأساسية المفترض أن يؤديها، وذلك لخفض التكلفة. الأمر أشبه بصنع نسخة أصغر وأكثر كفاءة من النموذج كي يتمكن عدد أكبر من الناس من الوصول إلى قدراته.
كيف نخفض التكلفة؟
خبير من Google: إحدى الطرق هي تحسين الأجهزة. ولهذا ستصدر Google جهاز Ironwood هذا العام. وقد حُسّن للاستدلال بفضل تصميمه الذي يضع الاستدلال في المقام الأول: قدرة حوسبة وذاكرة أكبر، وتحسين لأنواع عددية معينة. وعلى صعيد البرمجيات، تعمل Google على تحسين المترجمات وأطر العمل. والهدف بمرور الوقت هو جعل استدلال الذكاء الاصطناعي أكثر كفاءة: جودة أفضل ببصمة أصغر وتكلفة أقل، مع الحفاظ على فائدته.
اطّلع على وثائق Ailoot API على ailoot.ai/docs.